SDK gốc
OpenAI SDK
Sử dụng TokenLab với các SDK OpenAI chính thức và các client tương thích với OpenAI
Tổng quan
Trỏ client SDK OpenAI tới https://api.tokenlab.sh/v1 và sử dụng API key của TokenLab. Giữ nguyên phương thức API mà ứng dụng của bạn đang sử dụng và xác nhận rằng model đã chọn hỗ trợ phương thức đó thông qua accepted_request_formats.
Python, JavaScript và Go có các SDK OpenAI chính thức. PHP hoạt động tốt với các client cộng đồng tương thích với OpenAI, nhưng đây không phải là SDK OpenAI chính thức.
Cài đặt
pip install openaiSử dụng POST /v1/responses cho các mục nhập Responses, tools hoặc continuation. Các trường tùy chọn phụ thuộc vào model đã chọn.
Cấu hình Client
from openai import OpenAI
client = OpenAI(
api_key="sk-your-tokenlab-key",
base_url="https://api.tokenlab.sh/v1",
)Khuyên dùng: Chat Completions
response = client.chat.completions.create(
model="gpt-5.6-terra",
messages=[{"role": "user", "content": "Reply with: Connected to TokenLab."}]
)
print(response.choices[0].message.content)Nâng cao: Responses API
Chỉ sử dụng đường dẫn này khi công cụ hoặc quy trình làm việc của bạn phụ thuộc rõ ràng vào ngữ nghĩa của OpenAI Responses.
Streaming với Responses
stream = client.responses.create(
model="gpt-5.6-terra",
input="Write a short poem about coding.",
stream=True,
)
for event in stream:
if event.type == "response.output_text.delta":
print(event.delta, end="")Tools / Gọi hàm (Function Calling)
response = client.responses.create(
model="gpt-5.6-terra",
input="What's the weather in Tokyo?",
tools=[{
"type": "function",
"name": "get_weather",
"description": "Get weather for a location",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string"}
},
"required": ["location"]
}
}]
)
for item in response.output:
if item.type == "function_call":
print(item.name)
print(item.arguments)Vision với Responses
response = client.responses.create(
model="gpt-5.6-terra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": "What's in this image?"},
{"type": "input_image", "image_url": "https://example.com/image.jpg"}
]
}]
)
print(response.output_text)Embeddings
response = client.embeddings.create(
model="text-embedding-3-small",
input="Hello world"
)
print(response.data[0].embedding[:5])